结合Transformer与CNN的双向级联皮肤病图像分割网络

皮肤病图像分割是皮肤癌诊断和分析的关键步骤。卷积神经网络(CNNs)在各种医学图像分割任务中取得了巨大的成功。然而,连续的降采样操作带来了网络的冗余性和局部细节的丢失,并且在远程关系的建模中也存在很大的局限性。相反,Transformer在全局上下文建模方面显示出巨大的潜力。在文中,提出了一种结合Transformer与CNN的双向级联皮肤病图像分割网络,以提高网络在全局环境建模的效率,同时保持对底层细节的控制。此外,还构建了一种新的融合技术—双流级联特征聚合模块,以有效地集成来自两个分支的多层次特征。所提网络并行地结合了Transformer和CNN,其中可以有效地捕获全局依赖性和低级空间细节。大量的实验表明,所提网络在皮肤病分割数据集上取得了很好的性能。